No paramétrica bayesiana para la inferencia causal y los datos ausentes

Título original:

Bayesian Nonparametrics for Causal Inference and Missing Data

Contenido del libro:

Bayesian Nonparametrics for Causal Inference and Missing Data ofrece una visión general de los métodos flexibles no paramétricos bayesianos (BNP) para modelar distribuciones conjuntas o condicionales y relaciones funcionales, y su interacción con la inferencia causal y los datos ausentes. Este libro hace hincapié en la importancia de hacer suposiciones no comprobables para identificar estimandos de interés, como la suposición de falta al azar para los datos que faltan y la ausencia de confusión para la inferencia causal en estudios observacionales. A diferencia de los métodos paramétricos, el enfoque BNP puede tener en cuenta las posibles violaciones de los supuestos y minimizar las preocupaciones sobre la especificación errónea del modelo. La estrategia general consiste en especificar en primer lugar los modelos BNP para los datos observados y, a continuación, especificar los supuestos no verificables adicionales para identificar los estimandos de interés.

El libro se divide en tres partes. La Parte I desarrolla los conceptos clave de la inferencia causal y los datos ausentes y revisa los conceptos relevantes de la inferencia bayesiana. La Parte II introduce las herramientas fundamentales de la BNP necesarias para abordar la inferencia causal y los problemas de datos ausentes. La Parte III muestra cómo se puede aplicar el enfoque de la BNP en diversos estudios de casos. Los conjuntos de datos de los estudios de casos proceden de datos de historiales médicos electrónicos, datos de encuestas, estudios de cohortes y ensayos clínicos aleatorizados.

Características.

- Discusión exhaustiva tanto de BNP como de su interacción con la inferencia causal y los datos que faltan.

- Cómo utilizar el PNB y el cálculo de g para la inferencia causal y la ausencia no ignorable de datos.

- Cómo derivar y calibrar los parámetros de sensibilidad para evaluar la sensibilidad a las desviaciones de los supuestos causales y/o de omisión no verificables.

- Estudios de caso detallados que ilustran la aplicación de los métodos BNP a la inferencia causal y a los datos ausentes.

- Código R y/o paquetes para implementar la BNP en problemas de inferencia causal y datos ausentes.

El libro está dirigido principalmente a investigadores y estudiantes de posgrado de estadística y bioestadística. También servirá como referencia práctica útil para epidemiólogos e investigadores médicos matemáticamente sofisticados.